顾及PWV的广西地区多尺度PM_(2.5)浓度预测

针对现有的雾霾预测方法较少考虑可降水量的影响,且大部分预测方法都没有对模型回归残差进行有效处理因而预测精度不是很高的问题,利用广西南宁、桂林、梧州和百色四市2017年的PM_(2.5)日均值数据,结合大气污染物、气象因子和大气可降水量PWV等因素,分别建立全年和分季度的ARIMA模型对该地区PM_(2.5)日均浓度进行短期预测,并将ARIMA模型预测残差分别用前馈神经网络径向基函数RBF和多层感知器MLP进行拟合,以达到优化ARIMA模型的目的。结果表明,除桂林外,分季度ARIMA模型预测效果优于全年ARIMA模型,季度ARIMA-MLP神经网络预测精度优于分季度ARIMA模型,表明该类模型可以用于区域PM_(2.5)浓度预测。

新疆地区ERA5和MERRA-2大气可降水量精度分析

大气再分析资料提供的大气可降水量(PWV)产品在天气变化和气候研究中扮演着极为重要的角色。新疆地区存在地形起伏大、气候复杂和实测高分辨率PWV产品缺乏等特点,大气再分析资料提供的PWV产品可作为有力补充。以新疆地区2018年11个GNSS站数据反演得到的PWV(GNSS-PWV)信息作为参考值,评估ERA5和MERRA-2提供PWV产品在新疆地区的精度,并分析两种再分析资料PWV的偏差(Bias)和均方根差(RMSE)的时空变化特性及其日变化。结果表明:以GNSS-PWV为参考值,ERA5和MERRA-2在新疆地区的PWV年均Bias分别为-0.97和-1.20 mm,年均RMSE分别为1.81和2.11 mm,两种再分析资料PWV均具有较高精度,其中ERA5 PWV精度略高于MERRA-2 PWV;两种再分析资料的PWV精度都有明显的季节性变化,总体表现为夏季精度低,冬季精度高;在PWV日变化分布上,两种再分析资料与GNSS-PWV展现出较高的一致性,能较好地反映新疆地区PWV的日变化特性。

顾及日变化和非线性垂直改正的区域大气加权平均温度模型

大气加权平均温度(Tm)是全球导航卫星系统(GNSS)技术反演大气水汽的关键因素,针对已有区域Tm模型未能同时顾及Tm在垂直方向的非线性变化和精细的日变化以及在构建模型时仅使用单一格网点数据等问题,本文以中国地区为研究区域,提出了一种基于滑动窗口的区域Tm建模方法,利用2012—2017年欧洲中期天气预报中心(ECMWF)的ERA5资料建立顾及日变化和非线性垂直改正的区域Tm格网模型(CNTm模型).联合未参与建模的2018年ERA5资料和无线电探空数据,验证CNTm模型的精度和适用性,并与当前广泛使用的GPT3模型和顾及了线性垂直改正的IGPT2w模型进行精度对比.结果表明:以2018年ERA5资料和无线电探空数据为参考值,CNTm模型的均方根误差(RMS)分别为3.31 K和3.21 K,其精度相较于GPT3模型分别提高了约16%和23%,相较于IGPT2w模型分别提高了约7%和11%;顾及了非线性垂直改正的CNTm模型的估计值更接近于Tm在垂直方向上的变化趋势,且CNTm模型能够捕获Tm的日变化.由于CNTm模型在研究区域表现出优异的性能,因此,其在研究区域实时高精度、高分辨率GNSS水汽监测中具有重要的应用.

基于多源数据和广义回归神经网络的ZWD预报模型

对流层湿延迟是GNSS误差源较难改正的部分。主流的天顶湿延迟(ZWD)经验模型大多基于单源数据,如探空数据或再分析资料的一种,且通过预设模型函数表征ZWD在不同尺度上的变化,难以准确描述ZWD在不同尺度上的非线性复杂变化,精度有待进一步提高。针对此问题,基于多源数据和具有强大非线性逼近能力的广义回归神经网络(GRNN),构建了一种ZWD预报模型。首先,采用GRNN模型优化和降采样两种不同数据源的格网ZWD,并将其与探空ZWD合并,获取高质量的ZWD数据集;然后,根据ZWD受时空影响较大的特点和机器学习的特点,设计了GRNN训练模型的输入变量和输出变量;最后,采用后验寻优的方法确定模型参数,进而获得最优的预报模型。经探空ZWD验证,相比国际典范经验模型GPT2w,模型的精度提高了25.3%(以RMS计);相对同方法单源(探空)数据模型,精度改善了11.1%;且模型的预报精度具有良好的时空稳定性。此外,计算效率和PPP应用试验结果表明,模型的计算效率可满足GNSS实时应用的需求,且应用于PPP的改进效果优于GPT2w。本文所提方法无须预设模型函数即可获得较高的ZWD预报精度,为ZWD模型化提供了一种思路。

广西地区MERRA-2加权平均温度模型

针对广西地区南接热带海洋、西临云贵高原、地形起伏较大等特点,通过分析广西2014—2016年的MERRA-2再分析资料格网点高度处的加权平均温度(T_(m))及格网点垂直方向温度递减率(K)的时序变化特征,建立了每个格网点高度处的加权平均温度模型和温度递减率模型,进而建立了广西地区MERRA-2加权平均温度模型(GXT_(m))。以2017年探空站资料计算得到的T_(m)作为参考值,对其进行精度检验,并与Bevis模型、中国东部模型、广西气象参数模型以及GPT2w-1和GPT2w-5模型进行比较。结果表明:GXT_(m)模型的平均偏差(Bias)和均方根误差(RMSE)分别为0.26和2.51 K,GXT_(m)模型的精度(RMSE)较Bevis模型、中国东部模型、GPT2w-1模型和GPT2w-5模型分别提高了32%、34%、17%和46%,与广西气象参数模型精度相当。

中国区域大气加权平均温度垂直递减率格网模型

大气加权平均温度(T m)是全球导航卫星系统(GNSS)反演大气水汽(PWV)的关键参数。然而,已有经验T m模型难以捕获T m的日周期变化,限制了其在高时间分辨率GNSS-PWV监测中的应用。利用大气再分析资料可获取高时间分辨率的T m信息,但需使用高精度的T m垂直递减率模型对其进行高程改正。针对已有T m垂直递减率模型建模仅使用单一格网点数据等不足,本文引入滑动窗口算法,利用2012—2016年的MERRA-2再分析资料建立了顾及时变垂直递减率的中国区域水平分辨率分别为1°×1.25°、2°×2.5°和4°×5°的T m垂直递减率格网模型(简称“CTm-H1、CTm-H2和CTm-H3模型”)。联合2017年的MERRA-2、GGOS大气格网数据和探空站资料,对CTm-H模型进行精度检验,并与中国区域统一的T m垂直递减率模型(简称“统一模型”)进行比较分析。结果表明:①以MERRA-2格网数据为参考值,通过CTm-H模型将MERRA-2地表格网数据改正到分层格网数据各层高度处检验,CTm-H 3个模型性能相当,在两种T m数据高程差异较大时,CTm-H模型表现出显著的优势,相比于统一模型,精度(RMS值)整体提高了30%。②以探空站资料为参考值,通过CTm-H模型将MERRA-2地表格网数据和GGOS大气格网产品分别改正到探空站高度处检验,与统一模型相比,CTm-H 3个模型的精度整体分别提高了3%和5%,且CTm-H和统一模型的精度相比于未顾及垂直改正提升较大,尤其在中国西部地区表现出显著的优势。总体而言,CTm-H 3个模型在中国区域均具有较高的精度,不需要实测气象参数即可提供中国区域近地空间范围内(本文指0~10 km的高程范围)任意位置实时高精度的T m高程改正值,因此,它在中国区域的实时高精度GNSS水汽探测中具有重要的应用。

利用MERRA-2地表温压资料进行中国区域GNSS水汽反演的精度分析

为分析美国宇航局发布的最新MERRA-2再分析资料地表温压产品在中国区域进行GNSS水汽反演的精度,联合中国区域609个地面气象站实测温度和气压数据、48个GNSS站及并址探空站资料,评估MERRA-2温压产品及其在GNSS PWV反演中的精度。结果表明:1)MERRA-2气压和温度年均bias分别为-0.01 hPa和0.38 K,年均RMSE分别为1.08 hPa和2.66 K,MERRA-2再分析资料温压产品在中国区域具有较高的精度;2)MERRA-2再分析资料温压产品在中国大部分地区呈现负偏差,精度从高到低依次为南方地区、北方地区、西北地区和青藏高原地区;3)将MERRA-2温压产品的PWV反演结果与并址探空站实测PWV进行对比可知,MERRA-2再分析资料温压产品反演的GNSS PWV平均RMSE为2.16 mm,能较好地反映PWV的日变化。因此,MERRA-2地表温压产品在中国区域的气象研究及GNSS水汽监测中具有重要意义。

顾及分段表达的中国区域对流层天顶湿延迟模型

高精度的对流层天顶湿延迟(ZWD)在GNSS高精度定位及大气水汽监测中具有重要作用。中国区域具有疆域辽阔、地形多变等特点,垂直方向存在规律难循的气流变化,而大多数ZWD模型仅采用单一函数对大气高度范围内变化进行拟合,或未考虑季节变化因素,因此在中国区域适用性较差。本文以中国区域MERRA-2大气再分析资料为数据源对ZWD展开深入研究,建立了一种顾及分段表达的中国区域ZWD模型(CZWD模型);并以中国区域89个探空站积分计算的ZWD数据为参考值检验模型的精度。结果表明,CZWD模型的年均偏差(Bias)和年均均方根值(RMS)误差分别为-2.9、21.9 mm,精度优于目前应用较广的GPT3模型,且提高了5%,在中国区域总体上显示出较优的精度和适用性。因此,CZWD模型对于中国区域GNSS导航定位及水汽监测具有重要意义。

中国区域大气加权平均温度的多因子精化模型

大气加权平均温度(T_(m))是全球导航卫星系统(global navigation satellite system,GNSS)反演大气可降水量(precipitable water vapor,PWV)的重要参数。文章通过中国区域的2015—2017年探空站资料,构建了顾及温度、水汽压、经纬度、高度和周期等多因子影响的T_(m)模型(T_(m)-C模型),并通过2018年的探空站资料加以检验。结果表明,T_(m)-C模型比Bevis模型、中国区域精化后的Bevis模型(T_(m)-B模型)和GPT3模型年均RMS值分别减小了30.4%、17.9%和25.4%。为进一步提高T_(m)-C模型的精度,基于中国地理分区的差异,分别建立了北方地区、南方地区、西北地区和青藏地区的区域T_(m)模型,4个地区年均RMS值对比T_(m)-C模型平均精度提升了19.9%。将T_(m)-C模型应用于GNSS水汽计算,其理论RMS值误差和相对误差分别为0.18 mm和0.95%,分区域的模型较T_(m)-C模型平均精度分别提升了22.9%和14.9%。

顾及非线性垂直变化的中国南部区域Tm模型

大气加权平均温度(Atmospheric Weighted Mean Temperature,Tm)是全球导航卫星系统(Global Navigation Satellite System,GNSS)反演水汽的关键因素,针对已有的中国南部区域大气加权平均温度模型未同时顾及Tm的高程非线性垂直变化和日周期变化特征,提出利用2015—2017年的欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts,ECMWF)提供的第5代再分析资料建立了水平分辨率为1°×1°的中国南部Tm模型(CNXNTm模型)。用未参与建模的2018年ERA5再分析资料积分计算的Tm和探空站Tm数据为参考值,对CNXNTm模型进行精度检验,与目前精度较好的IGPT2W模型和最新的GPT3模型进行比较分析。结果表明,在统计的22个气压层内CNXNTm模型偏差(BIAS)和均方根误差(RMSE)分别为0.14、2.26 K,相对于IGPT2W模型的0.73、5.38 K提升了81%和58%,相对于GPT3模型的17.66、17.81 K提升了99%和87%。在所有气压层范围,CNXNTm模型结果变化小,稳定性强。在内陆与沿海比较中CNXNTm模型适应性更好。因此顾及了非线性垂直变化的CNXNTm模型估计值更接近Tm在垂直高度上的变化趋势,并且顾及了日变化的CNXNTm模型能够获得更精细的Tm值日周期变化特征,可为中国南部区域实时、高精度GNSS水汽监测提供参考。

基于傅里叶级数的中国沿海地区T_m模型精化研究

本文采用中国沿海地区13个探空站2010~2014年实测地表温度Ts与平均温度Tm数据,利用傅里叶级数分析法精化中国沿海地区Tm模型,并将2015年探空站实测Tm数据与精化模型进行对比检验。结果表明,精化模型在Tm探测方面具有更高的计算精度,其计算大气可降水量的误差概率分布趋近于正态分布,具有较强的稳定性。

一种新的高精度全球对流层天顶延迟模型

对流层延迟是影响高精度卫星导航定位的关键因素,也是大气科学研究的重要数据.针对已有全球对流层延迟模型的模型方程未同时顾及高程、纬度和季节变化以及模型构建时仅使用单一格网点数据等问题,本文提出了一种对流层天顶延迟(ZTD)全球模型构建的新方法,即引入滑动窗口算法将全球剖分为大小一致的规则窗口,利用2008—2015年全球大地观测系统(GGOS)大气格网产品构建每个窗口同时顾及高程、纬度和季节因子的全球ZTD新模型(GGZTD模型).联合未参与建模的2016年全球GGOS格网产品和2016年全球316个IGS站精密ZTD产品,检验了GGZTD模型的精度和适用性.结果表明:以GGOS大气格网ZTD产品和IGS站ZTD产品为参考值,GGZTD模型在全球的精度分别为3.58 cm和3.62 cm,相对于UNB3m模型和目前标称精度最优的GPT2w模型计算的ZTD信息,GGZTD模型在全球表现出了最优的精度和稳定性,其精度相对于UNB3m模型具有显著的提升(精度提高了30%以上),相对于GPT2w模型仍具有一定的改善;在ZTD计算时GGZTD模型相对于GPT2w模型显著地减少了模型参数,尤其相对于GPT2w-1(减少了99%).GGZTD模型只需输入位置与时间和依赖相对较少的模型参数则能在全球获得高精度和稳定的ZTD信息,极大地提升了模型的计算效率.

全球ZWD垂直剖面滑动窗口的格网模型

对流层延迟是GNSS导航定位的主要误差源之一。针对已有对流层天顶湿延迟(ZWD)垂直剖面模型存在建模仅采用单一格网点数据以及使用月均剖面数据等不足,本文提出了一种基于滑动窗口的ZWD垂直剖面格网模型构建方法,建立了一种顾及精细季节变化的高精度全球ZWD垂直剖面模型(GZWD-H模型)。同时,联合2017年全球321个探空站资料,对GZWD-H模型的垂直插值及其在全球大地观测系统(GGOS)大气格网ZWD空间插值中的应用进行了精度检验,并与全球性能优异的GPT2w模型进行对比。结果表明:①以全球探空站数据积分计算的ZWD分层剖面信息为参考值,GZWD-H模型在全球ZWD的垂直插值中均表现出了最优的精度和稳定性,相对于GPT2w-1和GPT2w-5模型分别提升了4%和7%;②以全球探空站数据计算的地表ZWD信息为参考值,GZWD-H模型在GGOS大气格网ZWD产品空间插值中的精度相对于GPT2w-1和GPT2w-5模型分别提升了17%和35%;③相对于GPT2w-1模型,GZWD-H模型进一步减少和优化了模型参数。因此,GZWD-H模型在全球GNSS大气探测和GNSS精密定位中具有重要的应用。

利用ERA5资料进行桂林地区GNSS水汽反演精度分析

由于桂林地区地基GNSS站并未配置气象传感器,致使大量GNSS观测数据无法在大气水汽(PWV)监测中发挥作用.针对这一情况,本文将欧洲中期天气预报中心(ECMWF)最新发布的ERA5再分析资料中测站处的气压和温度气象数据加入到GNSS水汽反演中,并将反演结果与利用地面气象站反演的GNSS水汽做对比,以此评估ERA5在桂林地区反演GNSS水汽的精度和适用性.结果表明:1)以桂林地区2017年10个地面气象站的实测气压和温度数据为参考值,ERA5地表气压和温度的年均偏差分别为-0.35 hPa和0.86 K,年均均方根误差(RMSE)分别为0.65 hPa和1.66 K,该精度可用于GNSS水汽反演;2)以2017年6-7月GNSS利用地面气象站反演的PWV为参考值,ERA5反演的GNSS PWV的偏差和RMSE分别为0.17 mm和0.35 mm,且两者具较好的相关性和一致性.由此表明,ERA5地表温压产品可应用于桂林地区GNSS水汽反演,这些研究结果可为桂林地区的GNSS水汽反演及数据源的选用提供重要的参考依据.

顾及时空因素的青藏高原地区加权平均温度模型

大气加权平均温度(T_(m))在GNSS大气水汽反演过程中扮演着关键角色.本文针对现有的T_(m)模型在青藏高原地区的适用性较差等情况,利用2014—2017年青藏高原地区13个探空站观测数据建立了一种顾及地面温度、高度、纬度及季节变化的青藏高原地区T_(m)模型(TPT_(m)模型).以2018年的探空资料为参考值,对TPT_(m)模型进行精度检验,并与常用的Bevis模型、局域精化后的Bevis模型(Bevis⁃TP模型)和GPT2w模型进行比较分析,结果表明:TPT_(m)模型具有相对较好的精度,其年均偏差和均方根误差(RMS)分别为0.07 K和2.76 K,相比Bevis、Bevis⁃TP、GPT2w⁃5(5°分辨率)和GPT2w⁃1(1°分辨率)模型其精度(RMS值)分别提高54.5%、30.8%、36.3%和27.6%;此外,将TPT_(m)模型用于GNSS水汽计算,其导致的水汽计算理论RMS误差和相对误差分别为0.10 mm和1.02%.因此,TPT_(m)模型在青藏高原地区的GNSS水汽反演中具有重要应用.

时序InSAR北京地区地表沉降监测与分析

针对北京地区地表沉降现象,本文采用时序InSAR方法获取了2018—2020年的沉降速率场与累计沉降量场,并选取特征区域及不同空间跨度的两条地铁线路进行具体沉降分析。结果表明:①北京地区不均匀沉降现象较为明显,总体呈现西部抬升、东部沉降的空间分布特征;②存在3个较明显的沉降漏斗,最大累计沉降量达-218.5 mm;③朝阳区存在金盏沉降漏斗及豆各庄沉降漏斗,且两个沉降漏斗在本文研究时间跨度内均呈扩大趋势;④地铁5、6号线均存在不同程度的沉降与抬升现象,沉降现象与地下水及地下空间的过度开采存在一定的关系,而地区抬升现象与南水北调工程对地下水的补充存在相关关系。

基于SSA-LSTM的短期电离层TEC组合预报模型

针对电离层总电子含量(TEC)时间序列具有高噪声、非线性和非平稳的特性,在奇异谱分析基础上,融合长短期记忆神经网络模型构建短期电离层组合预报改进模型,并对磁暴期、磁平静期的电离层TEC预报精度进行分析。结果表明,在磁暴期和磁平静期,该模型预报3 d的TEC相对精度分别为91.17%和95.46%,比单一LSTM模型分别提高4.92百分点和3.17百分点。

顾及垂直递减率函数的中国区域大气加权平均温度模型

大气加权平均温度(Tm)是全球导航卫星系统(GNSS)水汽监测的关键参数。针对中国区域地形起伏较大的特点,本文构建了顾及精细季节变化的Tm垂直递减率函数模型,在此基础上,利用2007—2014年的Global Geodetic Observing System(GGOS)atmosphere格网数据建立了中国区域的Tm格网新模型(简称为CTm模型)。以2015年GGOS格网数据和无线电探空资料为参考值,对CTm模型进行精度检验,并与常用的Bevis公式和GPT2w模型进行比较分析。结果表明:①以GGOS格网数据为参考值,CTm模型的年均偏差和均方根误差(RMS)分别为-0.52 K和3.28 K,相比于GPT2w-5和GPT2w-1模型,精度(RMS值)分别提高了27%和13%;②以探空数据为参考值,CTm模型的年均偏差和RMS误差分别为0.26 K和3.75 K,相对于GPT2w-5和GPT2w-1模型,精度分别提高了21%和16%,尤其在中国西部地区,CTm模型表现出更为显著的优势。此外,将CTm模型用于GNSS水汽计算,其引起的水汽计算RMS误差和相对误差分别为0.29 mm和1.36%。CTm模型不需要实测气象参数,因此,在中国区域的GNSS实时高精度水汽探测中具有重要的应用。

基于EMD-FOA-BP神经网络的大坝变形预测研究

建立了以经验模态分解法(EMD)和果蝇算法(FOA)优化BP神经网络为基础的EMD-FOA-BP大坝变形预测模型,该模型首先利用EMD将大坝变形序列分解成相对平稳的分量,再根据各分量的特点构造不同FOA-BP模型并进行预测,叠加各分量预测值得到最终预测结果。结果表明,EMD-FOA-BP模型的自适应能力、学习能力及非线性映射能力较强,在大坝变形预测应用中能有效提高精度,预测精度较FOA-BP模型有所提高,且明显优于BP神经网络模型和GA-BP模型。

顾及多因子影响的中国西部地区大气加权平均温度模型精化研究

针对中国西部地区地形起伏较大等情况,分析大气加权平均温度(T m)与测站高程、地面温度的关系,利用2014~2016年探空数据,在Bevis模型基础上建立一种与地面温度、高程和季节变化有关的新T m模型。以2017年探空数据为参考值,对新模型进行精度分析,并与广泛使用的Bevis模型和GPT2w模型进行精度比较。结果表明,以探空数据为参考值,新模型的年均偏差和均方根误差(RMS)分别为-0.08 K和3.89 K,相比Bevis模型、GPT2w-5模型和GPT2w-1模型,其精度(RMS值)分别提高14.3%、20.6%和9.3%。此外,将新T m模型用于GNSS水汽计算,其水汽计算理论RMS误差和相对误差分别为0.22 mm和1.43%,新模型在中国西部地区的GNSS水汽探测中具有重要的应用价值。